谷歌近日宣布推出一款名为DiffusionGemma的开放AI模型，该模型基于文本扩散机制构建，在本地推理速度上较传统自回归模型实现4倍提升。这一突破性进展为低带宽计算环境下的AI应用提供了新选择，尤其在需要快速响应的场景中展现出显著优势。
与传统自回归模型（如GPT系列）采用从左到右逐个生成Token的方式不同，DiffusionGemma通过扩散机制并行处理所有Token。该模型从随机噪声开始，逐步优化输出内容，这种并行计算模式大幅减少了内存带宽压力，特别适合本地设备运行。实验数据显示，其采样速度可达1479 Tokens/秒，单次生成开销仅0.84秒，在代码生成、数学推理等任务中效率提升尤为明显。
在性能评估方面，DiffusionGemma展现出不俗实力。代码生成任务中，LiveCodeBench得分30.9%，BigCodeBench达45.4%，Humaneval基准测试取得89.6%的成绩，与Gemini 2.0 Flash-Lite形成竞争态势。数学能力表现突出，在AIME 2025测试中取得23.3%的准确率，超越对比模型3.3个百分点。不过，模型在科学推理（GPQA Diamond 40.4%）和复杂推理（BIG-Bench Extra Hard 15.0%）任务中仍落后于主流模型，显示出架构优化空间。
开源策略方面，谷歌选择Apache 2.0许可证开放模型权重，用户可通过Hugging Face平台直接下载使用。尽管模型规模与Gemma 4系列相当，但其推理效率显著提升，且支持迭代优化机制——在生成过程中可主动检测并修正错误，输出稳定性较前代产品提高37%。这种特性使其在对话系统、实时翻译等需要低延迟的场景中具有应用潜力。
硬件适配性测试显示，DiffusionGemma能充分发挥英伟达GPU的并行计算优势。在单块H100 GPU上，模型实现每秒1000 Token的生成速度；DGX Spark集群环境下为150 Tokens/秒；DGX Station工作站更达到2000 Tokens/秒的峰值性能。这种效率提升主要得益于扩散架构与Tensor Core的深度协同，使得模型在保持精度的同时，计算资源利用率较自回归模型提高4倍。
行业分析师指出，该模型的推出标志着AI生成技术从序列处理向并行处理的范式转变。虽然当前版本在复杂推理任务中仍有局限，但其架构设计为后续优化提供了新方向。特别是对于移动端、边缘计算等资源受限场景，扩散机制可能成为突破性能瓶颈的关键技术路径。
